变刚度基础工后沉降智能预测方法研究.pdf
《变刚度基础工后沉降智能预测方法研究.pdf》由会员分享,可在线阅读,更多相关《变刚度基础工后沉降智能预测方法研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、912023.07/技术与部品2023 年第 7 期地面不均匀沉降对建筑结构的危害极大,因此采用变刚度基础调平1,控制沉降差,“抑强补弱”可促使沉降趋向均匀。但由于变刚度基础工后效果未曾可知,所以在建筑物建设过程和建设完成之后定期观测建筑物沉降,对确保建筑物和人民生命财产的安全具有重要意义。在实际监测过程中,可能会受到外部条件的干扰,导致测量的沉降数据不准确,这将对后期的监控和分析产生重大影响。如果在初期就利用基于监测数据的预测模型预测沉降的长期发展趋势,不仅可以节省时间和经济成本,而且可以及时采取措施减少沉降,从而保持施工质量和安全。为研究变刚度基础工后的沉降预测方法,本文基于实际工程数据,
2、利用 Python 语言编写传统沉降预测方法(双曲线法、三点法)和机器学习沉降预测方法(BP 神经网络模型、决策树模型),对多测点进行沉降预测,以选择出预测变刚度基础工后沉降精度高、鲁棒性强的预测模型。一、工程概况某工程位于济南市历城区董家街道,温梁路以南,杨家河西路以西,原始地面高程为 101.50.5m。该工程拟建办公楼长 42.8m、宽 17.1m、高 41.4m(地上 10 层、地下 1 层)。为控制建筑物沉降差,抑制不均匀沉降,该办公楼主体部位采用变刚度基础,基础形式为筏板基础,筏板厚度及板顶标高详情见图 1。变刚度基础工后沉降智能预测方法研究 陈天宇 孟杰 张家立(山东高速工程建设
3、集团有限公司,山东济南 250000)摘要本文针对变刚度基础工后沉降难以预测的问题,使用传统预测沉降方法和机器学习预测沉降模型,并基于现场沉降观测资料,预测某变刚度基础办公楼工后的沉降量,并对该工程的 6 个测点均进行沉降预测验证。结果表明,机器学习模型预测精度远优于传统预测沉降方法,且 BP 神经网络模型比决策树具有更高的鲁棒性。关键词变刚度基础;沉降预测;BP 神经网络;决策树Abstract:This paper aims at the problem of difficult to predict the post-construction settlement of variable
4、 stiffness foundation,uses the traditional prediction settlement method and machine learning prediction settlement model to predict the post-construction settlement amount of a variable stiffness foundation office building based on on-site settlement observation data.At the same time,the settlement
5、prediction verification of the six measurement points of the project was carried out.The results show that the prediction accuracy of the machine learning model is much better than that of the traditional prediction settlement method,and the BP neural network model has higher robustness than the dec
6、ision tree.Keywords:variable stiffness foundation,settlement prediction,BP neural networks,decision tree如图 1 所示,通过筏板厚度和板顶标高将办公楼主体基础分为 5 个区域,为确切反应建筑物在施工过程中的沉降变化量,确保建筑物顺利施工和建筑物封顶后的变形,对该办公楼进行沉降观测,测点布置见图 2(a)。从图 2(a)中可以看出,对#1 办公楼四角部位以及长边中间部位设置沉降观测点,共 6 个观测点。图 1 办公楼主体基础详情92/2023.07技术与部品2023 年第 7 期从 2022
7、年 10 月 20 日开始对办公楼进行沉降观测,2023 年 4 月 4 日进行了最后一次观测,总共观测了167天。建筑物施工层数及沉降随时间变化见图2(b),从图中可以看出,在建筑物主体完成后的 15 天左右沉降趋于平缓。二、算法原理1.传统预测方法(1)双曲线法。双曲线法是沉降速率以双曲线的形式逐渐变小的推导经验方法,是沉降量与时间的函数关系2,关系公式如下:(1)式中:S0为 t=0 时的地基沉降量;St为对应 t 时刻的地基沉降量;和 为与地基及荷载有关的常数,(2)三点法。三点法相比双曲线法、指数法等曲线拟合法,所需资料最少,只需取沉降数据中的 3 个点就可以推算地基沉降量3。三点法
8、预测曲线公式如下:(2)式中:S为地基最终沉降量;St为对应 t 时刻的地基沉降量;Sd为对应 t=d 时刻的地基瞬时沉降量;和 为与地基及荷载有关的常数。2.机器学习算法(1)BP 神经网络模型。误差逆传播神经网络模型是训练多层前馈神经网络的一种最经典的算法,主要由输入层、隐含层以及输出层组成4。过程主要分为两个阶段:第一阶段是信号的前向传播,从输入层经过隐含层到达输出层;第二阶段是误差的反向传播,从输出层到隐含层,最后到输入层,依次调节隐含层到输出层以及输入层到隐含层的权重和偏置。(2)决策树模型。决策树模型由根节点、内部决策节点和终端叶节点组成5,一般用于样本的分类,但也可以用于数值变量
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 刚度 基础 沉降 智能 预测 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。